[发明专利]增广序数深度关系的单目深度估计方法

说明书

本发明公开了一种增广序数深度关系的单目深度估计方法，包括以下具体步骤：步骤一：引入了一个新的相对深度立体系统RDIS数据集密集并标记相对深度；步骤二：在RDIS数据集密集上对RESNET模型进行预训练；步骤三：检索度量深度预测，建立任意正规化预测的相对深度图，使得平均值和标准偏差与训练集的度量地面真实深度相同。通过上述方式，本发明提供的增广序数深度关系的单目深度估计方法，地面真实相对深度是通过现有的立体算法和人工后处理获得的，使单图像深度估计的性能大大提高，提出的RDIS数据集密集基于相对深度的学习方案，可以实现2D到3D的转换。

技术领域

本发明涉及计算机智能视觉的领域，尤其涉及一种增广序数深度关系的单目深度估计方法。

背景技术

单目图像的精确预测是计算机视觉中的一项基本任务，几十年来一直是一个活跃的研究课题。典型的方法将深度估计制定为监督学习任务。因此，需要大量的度量地面真实深度。然而，度量地面真实深度的获取需要深度传感器，并且由于深度传感器的限制，所收集的RGB-D训练数据在大小和场景的多样性方面受到限制。例如，流行的微软Kinect不能获得户外场景中的远物体的深度。

发明内容

本发明主要解决的技术问题是提供一种增广序数深度关系的单目深度估计方法，地面真实相对深度是通过现有的立体算法和人工后处理获得的，使单图像深度估计的性能大大提高，提出的RDIS数据集密集基于相对深度的学习方案，可以实现2D到3D的转换。

为解决上述技术问题，本发明采用的一个技术方案是：提供了一种增广序数深度关系的单目深度估计方法，包括以下具体步骤：

步骤一：引入了一个新的相对深度立体系统RDIS数据集密集并标记相对深度；

步骤二：在RDIS数据集密集上对RESNET模型进行预训练；

步骤三：检索度量深度预测，建立任意正规化预测的相对深度图，使得平均值和标准偏差与训练集的度量地面真实深度相同。

在本发明一个较佳实施例中，所述的步骤一中的RDIS数据集密集包含图像标记密集相对深度。

在本发明一个较佳实施例中，所述的步骤二中的预训练通过以下四步进行实施：

(a)利用现有的立体电影视频立体匹配算法，获得相对较低的深度；

(b)不仅仅只标记一对点的每幅图像的相对关系，而是产生密集的相对深度图；

(c)在增强基准RGB-D数据集上对模型进行度量；

(d)制定深度估计作为一个分类任务。

本发明的有益效果是：本发明的增广序数深度关系的单目深度估计方法，地面真实相对深度是通过现有的立体算法和人工后处理获得的，使单图像深度估计的性能大大提高，提出的RDIS数据集密集基于相对深度的学习方案，可以实现2D到3D的转换。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例包括：

一种增广序数深度关系的单目深度估计方法，包括以下具体步骤：

步骤一：引入了一个新的相对深度立体系统RDIS数据集密集并标记相对深度；

步骤二：在RDIS数据集密集上对RESNET模型进行预训练；

步骤三：检索度量深度预测，建立任意正规化预测的相对深度图，使得平均值和标准偏差与训练集的度量地面真实深度相同。